¿Cómo pueden los puntos de la historia ser "no lineales" en tamaño relativo?

Quizás una forma más precisa de decirlo sería que las estimaciones de los puntos de la historia son imprecisas. Si tiene un 5 y un 3, puede o no ser del mismo tamaño que un 8.

Para que esto sea menos confuso, comencemos con una escala no numérica como las tallas de camisetas. XS, S, M, L, XL y así sucesivamente. Podemos estar de acuerdo con bastante facilidad en que una camiseta pequeña y una camiseta mediana no te dan una camiseta grande. Sin embargo, una grande es más grande que una mediana y mucho más grande que una pequeña, y generalmente más pequeña que una XL. No siempre, por supuesto. Todos sabemos que una empresa en la que tenemos que comprar un tamaño diferente. Las historias de usuarios son de la misma manera. Es posible que tenga una M que en realidad sea más grande que una L, pero esta es la excepción, por lo que normalmente puedo suponer que una L es un paso más grande que una M.

Bien, ahora hagamos esto: XS-1, S-3, M-5, L-8, XL-13. Ahora, se aplican todas las mismas reglas. En algunos casos extremos, es posible que un 5 sea en realidad más grande que un 8, pero en términos generales, un 8 es un paso más grande que un 5.

Luego está el tema de la velocidad. Debido a que la relación entre los tamaños es generalmente consistente, podemos sumar los tamaños y, si trabajamos a un ritmo constante, tendremos un total bastante consistente. No será perfecto, tal vez 45 - 52, pero eso es lo suficientemente consistente como para ser útil para la planificación. Si tiene 35 puntos en el sprint, probablemente sea muy poco en este caso y 60 es casi seguro que es demasiado. Esta es también la razón por la cual la mayoría de los pronósticos son un rango, no una medida precisa.

TL;DR

Algunos sistemas de puntos de historia utilizan valores lineales, pero los profesionales ágiles experimentados rara vez utilizan estos sistemas, ya que los números suelen ser engañosos. Los sistemas no lineales exponen deliberadamente la imprecisión del proceso de estimación y se basan en funciones de suavizado para llegar a valores de planificación razonables para la capacidad del equipo.

Comprender los valores de esfuerzo relativo

En el uso común, lineal significa "secuencial". (NB: hay definiciones matemáticas y científicas que son más complejas). Sin embargo, la mayoría de los sistemas de señalización de historias no son secuenciales.

Podría decirse que el sistema de señalización de historias más común es la secuencia de Fibonacci modificada de Mike Cohn, donde cada valor es una función no lineal de los valores precedentes. La idea central es tener una historia de referencia igual a uno o dos puntos de la historia, y luego dimensionar todas las historias en relación con la historia de referencia.

El punto central de la historia es:

1. La noción de que representan esfuerzo o complejidad, no tiempo.
2. Un reconocimiento de que la estimación se vuelve menos precisa a medida que las historias se hacen más grandes.

Por lo tanto, una historia de 8 puntos está entre 4 y 8 veces el esfuerzo de la historia de referencia, y cae aproximadamente entre 5 y 13 en la escala de puntos. Cualquier intento de tratar una historia de 8 puntos como exactamente equivalente a ocho historias de un punto pierde un principio central del sistema, que es que las estimaciones son imprecisas por naturaleza y lo son aún más a medida que aumenta el tamaño (y, por lo tanto, el cono de incertidumbre) de la información. una historia aumenta.

Las métricas de puntos de historia como la velocidad pueden proporcionar un rango de valores para la capacidad esperada del equipo durante la planificación de Sprint, especialmente cuando se usa una función de suavizado como un promedio final. Intentar obtener una alta precisión de la métrica de velocidad o tratar los puntos de la historia como valores de tiempo lineales sería un mal uso de la metodología. Este es un antipatrón común, así que simplemente no lo hagas.

Nunca he oído hablar de esto. Los puntos de la historia son lineales (de lo contrario, sería imposible usarlos como una medida de velocidad). Sin embargo, la escala no es lineal, para evitar que la gente discuta si algo es un "5 o un 6": al usar una secuencia de pseudo-fibonacci, automáticamente se tiene en cuenta la vaguedad de la estimación.

Así que... esto es lo que solía enseñar cuando hablaba de Story Points en mis clases de CSM (ya no hablo de eso en mis CSM, a menos que me lo soliciten). Una estimación con puntos de historia lleva un "intervalo de confianza" a su alrededor, lo que significa su nivel de precisión. Y esa es LA razón por la que usamos los números de Fibonacci. Verá, podemos imaginar que la estimación es en realidad entre el número anterior y el número posterior. Cuanto mayor sea el número, menor será su precisión, porque el intervalo aumenta.

Recuerda la secuencia de Fibonacci: 0, 1, 1, 2, 3, 5, 8, 13, 21... ¿verdad? Entonces, una estimación de 3 puntos significa que creemos (implícitamente) que estará entre 1 y 5. Pero una estimación de 13 significa que creemos que estará entre 8 y 21. ¿Ves el intervalo más grande allí y, por lo tanto, la precisión más baja?

Por lo tanto, una historia de 13 puntos (implícitamente de 8 a 21) no necesariamente se dividirá en historias que sumen 13 puntos.

Otro factor es que, cuando el equipo divide una historia con una estimación mayor en historias más pequeñas, es porque han aprendido más al respecto. Podría, por ejemplo, significar que la incertidumbre en torno a cada uno de los cortes se ha reducido y, por lo tanto, también ha reducido la incertidumbre en torno al conjunto de historias cortadas juntas. O el equipo podría haber descubierto que hay algo más en lo que no habían pensado. Y eso, por supuesto, afectará la suma de las estimaciones.